econ 篇论文 | Gist.Science

本文针对具有多重行为均衡且采用常增益学习规则预期的宏观模型，建立了非线性最小二乘估计量的渐近性质与推断方法，并提出了结构参数推断及均衡统一置信带，同时揭示了均衡解重复时出现的混合收敛速率与非标准极限分布。

本文研究了多维序贯筛选问题，指出垄断者可通过事前提取信息租金来扭曲买方租金，并在满足特定分布与依赖条件时，证明最优机制等同于对每种商品独立实施最优序贯筛选，从而解释了跨行业中“会员费加单独销售”模式的普遍性。

该论文研究了数字商品市场中基于质量的筛选机制，指出由于复制和降级成本为零，垄断者会在最高质量投资上不足并导致部分消费者获得降级产品，而竞争虽加剧了投资不足却改善了分配效率。

本文在较弱的原始假设下，推导了诱导有序统计量（IOS）在赫林格距离和全变差距离下的收敛速率，解决了现有文献难以处理回归断点设计等边界点问题的局限，并揭示了平滑度与收敛速度之间的权衡关系。

本文介绍了 R 语言包 ForeComp，该工具包利用固定平滑渐近理论提供 Diebold-Mariano 型预测能力检验，并包含用于带宽敏感性与规模 - 功效权衡分析的可视化诊断功能。

本文提出了一种统一的识别框架，通过将反事实限制嵌入扩展的结构模型，证明了在支持函数方法因传统尖锐性失效而仅适用于矩闭包的情况下，不可约模型中的识别集与其矩闭包在有限样本中统计不可区分，从而实现了无需模拟即可直接进行反事实分析。

该论文提出了一种将预测变量二值化为“风险状态”的简单转换方法，通过捕捉经济衰退等罕见事件的离散特征，利用美国月度宏观与金融数据证明该方法能显著提升样本外预测精度，使线性模型在衰退 onset 阶段的预测表现甚至可与复杂的机器学习模型相媲美。

该论文针对离散结果的面板数据，提出了一种基于“转移独立性”假设的新识别策略，通过引入潜在类型的马尔可夫结构解决传统双重差分法在分类变量中的局限，从而更准确地估计处理组平均处理效应。

该论文通过构建无限期心理博弈模型，论证了“那又怎么说”（whataboutism）作为一种反驳策略，会通过削弱社会规范的约束力而加剧冒犯性言论，甚至导致文明规范在极化社会中彻底崩溃。

本文提出了一种针对半参数单调指数模型的在线学习框架，通过两阶段范式（全局稳定的暖启动与基于正交化得分和在线筛法的速率最优更新），实现了在无法存储数据的流式场景下对有限维参数和未知单调链接函数的实时一致估计、最优收敛及在线推断。

本文提出了一种利用“以 $c$ 为界”技术处理内生网络统计量与个体不可观测异质性的识别方法，通过构建基于子网结构（如四元组、三元组及加权环）的识别约束系统，实现了对战略网络形成模型结构参数的可行识别与推断。

该论文通过研究广义线性模型（包括高维固定效应模型）中伪最大似然估计存在的条件，解决了估计量存在性不明确的问题，并证明了即使条件不满足，部分线性参数仍可获得一致估计，同时提供了验证这些条件的方法。

本文提出了一种结合指示变量饱和回归与逆矩先验的贝叶斯统一概率框架，用于检测时序数据中未知时间和任意序列的结构突变，并通过模拟与欧洲道路交通部门的实证分析，证明了该方法在评估气候政策有效性方面优于现有的频率学派方法。